每逢選舉，選民總是被淹沒在海量的宣傳單、複雜的法規條文與政治口水中。「候選人到底提了什麼牛肉？」、「這項交通政策跟我家門口的那條路有何關係？」往往需要翻閱數十頁晦澀的白皮書才能找到解答。
然而，在 2026 年的地方選戰前哨戰中，一項名為「小桔 AI」的對話系統悄然打破了這個僵局。無論選民丟出多麼在地化、瑣碎的生活提問，它都能在數秒內精準列出政策出處與具體規劃，且「絕不胡說八道」。
這項創新的背後，是親民黨青年團隊致力於「政黨數位轉型」的魄力嘗試，並力邀傑愛得資訊（JumpAD）創辦人兼總經理劉俊宏（John Liu）擔任數位轉型技術顧問親自操刀。持有國家發明專利（I827208）、長期深耕 MarTech 領域的劉俊宏，帶領技術團隊將最新大型語言模型（LLM）技術，推向對「精準度」要求最為嚴苛的公共政策領域。
我們專訪了劉俊宏，請他拆解這套動態檢索增強生成（RAG）架構如何落地於親民黨的公共溝通場域，並在實戰中確立「專業中立」與「零幻覺」的工程防線。
痛點：政策資訊不是不存在，而是「無法被有效檢索」
「公共溝通長年以來的核心瓶頸，從來不是候選人沒有政見，而是選民缺乏理解政見的『低門檻路徑』。」
劉俊宏一針見血地指出。
傳統選務多半依賴制式的圖卡、宣傳手冊或是臉書粉專小編，但單向輸出難以應對選民多元且即時的疑問；一般小編也難以將數十萬字的法規、歷年提案與地方規劃爛熟於胸。
「如果引入一般的 Generative AI，最致命的風險就是『幻覺（Hallucination）』。
在政治與公共決策場域，AI 只要隨意承諾一條預算、捏造一個法規條文，就會引發嚴重的誠信危機。」劉俊宏表示，團隊在立項之初就確立了鐵律：這不是一個陪聊工具，而是一座經過嚴格工程約束的『政策資訊檢索中樞』。
架構拆解：以 Google Gemini 為底座的動態 RAG 引擎
為了兼顧語意理解的自然流暢與檢索的極致精準，劉俊宏帶領團隊選用了 Google Gemini 大語言模型作為推論核心，並量身打造了一套多層防護的動態 RAG（Retrieval-Augmented Generation）架構。
整個系統的運作流程可拆解為三個核心階段：
1. 結構化知識庫的語意切片（Chunking）
政策白皮書通常結構龐大且條文交錯。團隊並非單純將 PDF 丟入向量庫，而是先進行資料清洗與階層化標籤重構。每個切片（Chunk）均包含政策領域（交通、都更、社福）、適用行政區、法源依據及量化預算，讓向量檢索能兼顧語意關聯與硬性條件過濾。
2. 嚴格的 Prompt Engineering 與邊界限制（Guardrails）
「在系統提示詞（System Prompt）的設計上，我們下了極為嚴苛的邊界防線。」劉俊宏說明，系統被嚴格限定：「只回答知識庫內有載明的內容」。一旦選民的提問在檢索結果中低於信心閾值，小桔 AI 會坦率告知「目前政策庫中尚無針對此問題的具體規劃」，堅決不讓模型進行自由推測或無中生有。
3. 多輪對話的意圖捕捉與民意反饋環路
除了單向回答，小桔 AI 還具備多輪對話的脈絡記憶能力。更重要的是，系統建立了一套匿名化的「議題聚類分析引擎」，能夠在保護個資的前提下，將選民最常詢問的焦點議題（例如公幼名額、停車格規劃）進行資料視覺化分析，反向回饋給研究團隊，作為未來政策修訂的客觀民意數據支撐。
堅守「技術中立」：從 Civic Tech 看 AI 的民主轉型
談及此次將系統投入選務實戰，劉俊宏展現出清晰的工程師思維與客觀視角。
「很多團隊做政治 AI，思考的是如何動員、如何寫出煽動性的文案；但我們從一開始就把它定位為 Civic Tech（公民科技） 的落地驗證。」
劉俊宏強調，「技術本身是中立的容器。選戰只是一個檢驗高併發、高容錯率、極高檢驗標準的『高壓測試場』。」
他表示，無論哪一個陣營或哪一個公共倡議組織，只要有繁雜的資訊需要與公眾對話，這套架構都能無縫適配。
「我們希望證明的是：台灣的技術團隊，有能力做出兼具技術前瞻性與公共社會價值的高品質工具。」
未來藍圖：從地方選務邁向企業治理與數位轉型
隨著「小桔 AI」在選戰場域中穩定運作並獲得高度評價，劉俊宏的視野早已放得更遠。
「選戰終究會結束，但高精準度、低延遲的知識庫對話架構是跨產業的剛需。」
劉俊宏透露，傑愛得資訊目前已著手將這套在實戰中淬鍊出的 RAG 模組標準化，下一步將拓展至智慧園區物業法規諮詢、中小企業內部 SOP 自動化檢索，以及非營利組織的公共倡議平台。
「AI 不應該只是飄在雲端的概念，它必須深入生活、解決真實世界的摩擦力。」
劉俊宏總結道。從專利廣告追蹤技術到公共政策 AI 助理，這位技術老兵再次用程式碼證明：唯有經得起嚴苛實戰檢驗的技術，才能為產業與社會創造長遠的價值。